Omvänd design av uppblåsbara mjuka membran genom maskininlärning

Abstrakt
"Över vetenskapsområden har forskare alltmer fokuserat på att designa mjuka enheter som kan forma morph för att uppnå funktionalitet. Att identifiera en viloform som leder till en 3D-målform vid aktivering är emellertid en icke-trivial uppgift som involverar omvända designmöjligheter. I denna studie presenteras en enkel och effektiv plattform för att designa förprogrammerade 3D-former med utgångspunkt från plana 2D-kompositmembran. Genom att träna neurala nätverk med en liten uppsättning finita element-simuleringar kan författarna få både den optimala designen för ett pixelerat 2D-elastomermembran och det uppblåsningstryck som krävs för att det ska förvandlas till en målform. Den föreslagna metoden har potential att användas i flera skalor och för olika tillämpningar. Som ett exempel visas hur dessa omvänt utformade membran kan användas för mekanoterapiapplikationer, genom att stimulera vissa områden samtidigt som man undviker föreskrivna platser."

Hitta open access tekniskt dokument här och Harvards artikel här.

Antonio Elia Forte,* Paul Z. Hanakata, Lishuai Jin, Emilia Zari, Ahmad Zareei, Matheus C. Fernandes, Laura Sumner, Jonathan Alvarez och Katia Bertoldi*